添加一行 SQL 以优化您的 BigQuery 表格
通过添加一行 SQL 优化您的 BigQuery 表格
聚类：一种将相似行分组并防止不必要数据处理的简单方法
在我之前的文章中，我解释了如何使用分区来优化SQL查询：
使用分区，卢克！一种简单有效的优化SQL查询的方法
如果您曾经编写过运行时间很长的SQL查询，那么这篇文章非常适合您
towardsdatascience.com
现在，我要写续集了！（爸爸笑话，有人要听吗？）
- 生成AI 2024及以后：对未来的一瞥
- “喜欢主成分分析吗？新论文报道它可以产生“幻象振荡”伪影”
- How to adjust EasyOCR to achieve better OCR performance in Chinese.
本文将介绍聚类：这是另一个在BigQuery中可以使用的强大优化技术。与分区类似，聚类可以帮助您编写更高效、更快速、更便宜的查询。如果您想发展SQL工具包并建立更高级的数据科学技能，这是一个非常好的起点。
什么是聚类表？
在BigQuery中，聚类表是一种将相似行在物理“块”中分组的表。
例如，想象一个名为user_signups的表，用于跟踪在一个虚构网站上注册帐户的所有人。它有四列：
registration_date: 用户创建帐户的日期country: 用户所在的国家tier: 用户的计划（“免费”或“付费”）username: 用户的用户名
如果我们希望，可以按country对表进行聚类，以使来自同一国家的用户在表中彼此相邻：
如您所见，表中的每个“块”都包含特定国家的用户。聚类表仍然包含相同的数据；只是以一种更高效的方式排序。
聚类加速我们的查询，因为这意味着BigQuery需要处理较少的数据
当您查询聚类表时，BigQuery首先会识别执行查询所需的相关块。这个预处理步骤称为块剪枝，它使您的查询更快、更便宜，因为BigQuery…
